AI Agent

IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models

IMPACT: 通过视觉-语言模型实现可接受接触轨迹的智能运动规划

Yiyang Ling, Karan Owalekar, Oluwatobiloba Adesanya, Erdem Bıyık, Daniel Seita

机构 * Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（托马斯·劳德计算机科学系，维特里比工程学院，南加州大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 IMPACT通过视觉-语言模型实现高效的接触丰富运动规划，在杂乱环境中优于其他方法。

VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments

VORL-EXPLORE: 多机器人在动态环境中的混合学习规划方法

Ning Liu, Sen Shen, Zheng Li, Sheng Liu, Dongkun Han, Shangke Lyu, Thomas Braunl

机构 * The University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Nanjing University（南京大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 VORL-EXPLORE通过混合学习和规划方法，解决多机器人在动态环境中探索时的执行保真度问题，提升路径效率与安全交互。

NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving

NaviDriveVLM：解耦高层推理与运动规划用于自动驾驶

Ximeng Tao, Pardis Taghavi, Dimitar Filev, Reza Langari, Gaurav Pandey

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（杰米·沃克’66机械工程系，德克萨斯A&M大学，学院站，TX 77843，美国） ； The Department of Engineering Technology and Industrial Distribution Texas A&M University, College Station, TX 77843, USA（工程技术与工业分配系，德克萨斯A&M大学，学院站，TX 77843，美国） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG

AI总结 NaviDriveVLM通过解耦高层推理与运动规划，提升自动驾驶中的推理能力与效率

Ego-Vision World Model for Humanoid Contact Planning

人形机器人接触规划的视角世界模型

Hang Liu, Yuman Gao, Sangli Teng, Yufeng Chi, Yakun Sophia Shao, Zhongyu Li, Maani Ghaffari, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。

RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks

RoboPARA: 双臂机器人任务并行规划的平行分配与重组

Shiying Duan, Pei Ren, Nanxiang Jiang, Zhengping Che, Jian Tang, Zhaoxin Fan, Yifan Sun, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。

Comments Accepted to ICLR 2026

Dynamic Targeting of Satellite Observations Using Supplemental Geostationary Satellite Data and Hierarchical Planning

利用补充静止轨道卫星数据和分层规划实现卫星观测的动态瞄准

Akseli Kangaslahti, Itai Zilberstein, Alberto Candela, Steve Chien

机构 * Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA（喷气推进实验室，加州理工学院，帕萨迪纳，CA） ； Harvard University, Cambridge, MA（哈佛大学，剑桥，MA） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出了一种利用静止轨道卫星数据和分层规划方法，提升动态瞄准任务中观测规划效率的解决方案，实验表明其在特定场景下性能提升达41%。

Comments Appears in the proceedings of the 2026 IEEE International Conference on Robotics and Automation

Bilevel Planning with Learned Symbolic Abstractions from Interaction Data

基于交互数据学习的符号抽象的双层规划

Fatih Dogangun, Burcu Kilic, Serdar Bahar, Emre Ugur

机构 * Bogazici University（博雅大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双层神经符号框架，利用学习的概率符号规则和连续效应模型，在多目标操作任务中实现高效且可靠的规划。

PhaForce: Phase-Scheduled Visual-Force Policy Learning with Slow Planning and Fast Correction for Contact-Rich Manipulation

PhaForce: 基于慢规划与快修正的相位调度视觉-力政策学习用于接触密集 manipulation

Mingxin Wang, Zhirun Yue, Renhao Lu, Yizhe Li, Zihan Wang, Guoping Pan, Kangkang Dong, Jun Cheng, Yi Cheng, Houde Liu

专题命中 规划决策 ：planning(title,abstract)

AI总结 PhaForce 通过慢规划与快修正机制，实现接触密集 manipulation 中力与视觉的协同控制，提升任务成功率与接触质量。

Hierarchical Multi-Modal Planning for Fixed-Altitude Sparse Target Search and Sampling

分层多模态规划用于固定高度稀疏目标搜索与采样

Lingpeng Chen, Yuchen Zheng, Apple Pui-Yi Chui, Junfeng Wu, Ziyang Hong

专题命中 规划决策 ：planning(title,abstract)

AI总结 HIMoS通过分层多模态规划提高稀疏目标搜索与采样任务的效率，结合全局与局部规划器优化路径，平衡多种传感任务。

Comments 8 pages, 9 figures, conference

Underwater Embodied Intelligence for Autonomous Robots: A Constraint-Coupled Perspective on Planning, Control, and Deployment

水下具身智能：一种约束耦合视角下的规划、控制与部署

Jingzehua Xu, Guanwen Xie, Jiwei Tang, Shuai Zhang, Xiaofan Li

机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种约束耦合视角下的水下具身智能方法，探讨了规划、控制与部署中的紧密耦合约束，旨在实现更可靠和可扩展的自主性。

Comments This article is currently under review

Multi-Agentic AI for Conflict-Aware rApp Policy Orchestration in Open RAN

多智能体AI用于冲突感知的rApp策略编排在开放RAN中

Haiyuan Li, Yulei Wu, Dimitra Simeonidou

专题命中 规划决策 ：agentic(title,abstract)

AI总结 本文提出多智能体AI框架，用于实现开放RAN中冲突感知的rApp策略自动生成与编排，实验表明其在部署准确性和推理成本上有显著提升。

Route, Retrieve, Reflect, Repair: Self-Improving Agentic Framework for Visual Detection and Linguistic Reasoning in Medical Imaging

路由、检索、反思、修复：一种自改进的代理框架，用于医学影像中的视觉检测和语言推理

Md. Faiyaz Abdullah Sayeedi, Rashedur Rahman, Siam Tahsin Bhuiyan, Sefatul Wasi, Ashraful Islam, Saadia Binte Alam, AKM Mahbubur Rahman

机构 * 1 Center for Computational \& Data Sciences (CCDS), Independent University, Bangladesh (IUB) 纠错

专题命中 规划决策 ：agentic(title,abstract)

AI总结 R^4框架通过路由、检索、反思和修复四个代理提升医学影像分析的准确性和可靠性。

HEXGEN-FLOW: Optimizing LLM Inference Request Scheduling for Agentic Text-to-SQL

HEXGEN-FLOW: 优化基于代理的大型语言模型推理请求调度以实现智能文本到SQL

You Peng, Youhe Jiang, Wenqi Jiang, Chen Wang, Binhang Yuan

专题命中 规划决策 ：agentic(title,abstract)

AI总结 HEXGEN-FLOW通过优化调度策略和参数调整，显著提升了基于代理的LLM文本到SQL系统在异构GPU集群中的性能和稳定性。

Agent based decision making for Integrated Air Defense system

基于代理的决策制定用于综合防空系统

Sumanta Kumar Das, Sumant Mukherjee

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文提出了一种基于代理的综合防空系统，通过自动检测目标和分配武器实现自主决策，提升网络中心战中的作战效能。

Comments 8 pages,9 figure,2 tables

Journal ref Journal of Battlefield Technology, 2011,vol 14,no 1

Collaborative Planning with Concurrent Synchronization for Operationally Constrained UAV-UGV Teams

具有并发同步的协同规划用于受操作约束的无人机-地面车辆团队

Zihao Deng, Qianhuang Li, Peng Gao, Maggie Wigness, John Rogers, Donghyun Kim, Hao Zhang

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； North Carolina State University（北卡罗来纳州立大学） ； U.S. Army DEVCOM Army Research Laboratory (ARL)（美国陆军 DEVCOM 军事研究实验室 (ARL)） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出CoPCS方法，通过集成异构图Transformer和Transformer解码器，实现无人机与地面车辆的同步并发协同规划，提升团队任务执行效率。

From Job Postings to Curriculum Decisions: Using AI to Generate Workforce Intelligence for MSW Program Planning

从职位发布到课程决策：利用AI生成劳动力情报用于MSW课程规划

Barbara S. Hiltz, Bryan G. Victor, Brian E. Perron

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文利用AI分析职位发布数据，为MSW课程规划提供劳动力情报，揭示了不同实践领域的能力需求及发展趋势。

Integrated Investment and Operational Planning for Sugarcane-Based Biofuels and Bioelectricity under Market Uncertainty

在市场不确定性下整合投资与运营规划以实现甘蔗基生物燃料和生物电力

Carolina Monteiro, Bruno Fanzeres, Rafael Kelman, Raphael Araujo Sampaio, Luana Gaspar, Lucas Bacellar, Joaquim Dias Garcia

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种整合投资与运营规划的随机优化模型，用于在市场不确定性下优化甘蔗基生物燃料和生物电力的生产，通过风险调整后的净成本最小化和开源框架OptBio实现脱碳目标。

GraphSkill: Documentation-Guided Hierarchical Retrieval-Augmented Coding for Complex Graph Reasoning

GraphSkill: 基于文档的分层检索增强编码用于复杂图推理

Fali Wang, Chenglin Weng, Xianren Zhang, Siyuan Hong, Hui Liu, Suhang Wang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Michigan State University（密歇根州立大学） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 GraphSkill通过分层检索增强编码框架和自我调试代理，提升复杂图推理任务的准确性和效率。

Comments Under review

Reachability-based Temporal Logic Verification for Reliable LLM-guided Human-Autonomy Teaming

基于可达性的时序逻辑验证用于可靠的大语言模型引导的人-自主系统协同

Joonwon Choi, Kartik Anand Pant, Karthik Nune, Inseok Hwang

专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)

AI总结 本文提出基于可达性的时序逻辑验证框架，利用LLM将自然语言指令转换为STL规范，通过可行性过滤器确保任务规划的安全性和信息反馈的有效性。

\$OneMillion-Bench: How Far are Language Agents from Human Experts?

一千万基准：语言代理距离人类专家还有多远？

Qianyu Yang, Yang Liu, Jiaqi Li, Jun Bai, Hao Chen, Kaiyuan Chen, Tiliang Duan, Jiayun Dong, Xiaobo Hu, Zixia Jia, Yang Liu, Tao Peng, Yixin Ren, Ran Tian, Zaiyuan Wang, Yanglihong Xiao, Gang Yao, Lingyue Yin, Ge Zhang, Chun Zhang, Jianpeng Jiao, Zilong Zheng, Yuan Gong

专题命中 规划决策 ：tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 一千万基准通过400个专家精选任务评估语言代理在专业领域中的可靠性、深度和实践能力。

Comments 39 pages, 9 figures, 8 tables

IronEngine: Towards General AI Assistant

IronEngine：迈向通用AI助手

Xi Mo

机构 * NiusRobotLab（尼乌斯机器人实验室） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 IronEngine通过统一编排核心实现通用AI助手，具备多阶段流程、智能工具路由和高效执行能力，适用于个人助手和自动化框架。

Comments Technical Report

COOL-MC: Verifying and Explaining RL Policies for Multi-bridge Network Maintenance

COOL-MC：多桥网络维护的强化学习策略验证与解释

Dennis Gross

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 COOL-MC通过概率模型检查和可解释性方法，验证并解释多桥网络维护的强化学习策略，揭示策略的安全性和偏见问题。

Enhancing Consistency of Werewolf AI through Dialogue Summarization and Persona Information

通过对话摘要和人物信息增强Werewolf AI的一致性

Yoshiki Tanaka, Takumasa Kaneko, Hiroki Onozeki, Natsumi Ezure, Ryuichi Uehara, Zhiyang Qi, Tomoya Higuchi, Ryutaro Asahara, Michimasa Inaba

机构 * The University of Electro-Communications（电通大学） 纠错

专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL

AI总结 本研究通过对话摘要和人物信息提升Werewolf AI代理发言的一致性。

Comments Accepted to the 2nd International AIWolfDial Workshop at INLG 2024

Perceptive Variable-Timing Footstep Planning for Humanoid Locomotion on Disconnected Footholds

具有感知能力的变步长足部规划用于人类oid在断开脚踏板上的运动

Zhaoyang Xiang, Upama Pant, Ayonga Hereid

机构 * Mechanical and Aerospace Engineering, The Ohio State University（机械与航空航天工程，俄亥俄州立大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本研究提出了一种基于感知的混合整数模型预测控制框架，用于人类oid在断开脚踏板上的运动规划，通过动态调整步长和时间，提高行走的稳定性和鲁棒性。

Comments 8 pages, 5 figures, 1 table, 3 algorithms. Supplemental video at: https://youtu.be/5EeuBnSb66s

R-WoM: Retrieval-augmented World Model For Computer-use Agents

R-WoM：基于检索的世界模型用于计算机使用代理

Kai Mei, Jiang Guo, Shuaichen Chang, Mingwen Dong, Dongkyu Lee, Xing Niu, Jiarong Jiang

机构 * Rutgers University（罗杰斯大学） ； AWS Agentic AI（亚马逊敏捷人工智能） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.CL

AI总结 R-WoM通过整合外部检索知识提升世界模型能力，有效改善长周期模拟中的决策表现。

RexDrug: Reliable Multi-Drug Combination Extraction through Reasoning-Enhanced LLMs

RexDrug：通过增强推理的大型语言模型实现可靠的多药物组合提取

Zhijun Wang, Ling Luo, Dinghao Pan, Huan Zhuang, Lejing Yu, Yuanyuan Sun, Hongfei Lin

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 RexDrug通过增强推理的大型语言模型，实现了可靠的多药物组合提取，优于现有方法并在二元和n元任务中均表现优异。

Comments 21 pages, 7 figures

Ares: Adaptive Reasoning Effort Selection for Efficient LLM Agents

Ares: 为高效LLM代理的自适应推理努力选择

Jingbo Yang, Bairu Hou, Wei Wei, Yujia Bao, Shiyu Chang

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Accenture（埃森哲） 纠错

专题命中 规划决策 ：agent(abstract)；tool use(abstract)；分类 cs.AI

AI总结 Ares通过动态选择推理努力级别，有效降低LLM代理的推理成本，同时保持任务成功率。

Lying to Win: Assessing LLM Deception through Human-AI Games and Parallel-World Probing

谎言以赢：通过人机游戏和平行世界探测评估LLM欺骗

Arash Marioriyad, Ali Nouri, Mohammad Hossein Rohban, Mahdieh Soleymani Baghshah

机构 * Sharif University of Technology（谢里夫技术大学） 纠错

专题命中 规划决策 ：autonomous agent(abstract)；agentic(abstract)；分类 cs.CL

AI总结 本研究通过人机游戏和平行世界探测评估LLM欺骗行为，发现存在性框架显著增加Qwen和Gemini的欺骗率，凸显需新的行为审计方法。

Comments 10 pages

Enhancing Web Agents with a Hierarchical Memory Tree

通过分层记忆树增强网络代理

Yunteng Tan, Zhi Gao, Xinxiao Wu

机构 * Beijing Institute of Technology（北京理工大学） 纠错

专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文提出分层记忆树HMT，通过结构化框架分离逻辑规划与操作执行，提升网络代理在跨网站和跨领域任务中的泛化能力。

Yo'City: Personalized and Boundless 3D Realistic City Scene Generation via Self-Critic Expansion

Yo'City：通过自批评扩展实现个性化和无边界的3D逼真城市场景生成

Keyang Lu, Sifan Zhou, Hongbin Xu, Gang Xu, Zhifei Yang, Yikai Wang, Zhen Xiao, Jieyi Long, Ming Li

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beihang University（北航） ； Southeast University（东南大学） ； ByteDance Seed（字节跳动种子） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室） ； Beijing Normal University（北京师范大学） ； Theta Labs（Theta实验室） 纠错

专题命中 规划决策 ：planning(abstract)；agentic(abstract)；分类 cs.AI

AI总结 Yo'City通过自批评扩展实现个性化和无边界的3D城市生成，利用大模型的推理能力提升生成质量。

Comments Accepted by CVPR 2026